本书系统阐述金融数据分析的理论知识与实践应用，不仅涵盖核心的金融理论及相关概念，还详细讲解行业使用的先进金融模型及 Python解决方案。全书共 11 章，包括证券市场基础、投资组合理论及其发展、有效市场假说与行为金融理论、 股票市场、衍生金融工具与金融风险管理、Python 编程基础、 数据分析 Numpy 类库、数据分析Matplotlib.pyplot 类库、数据分析 sklearn 机器学习库、金融数据分析案
例。
本书可作为普通高等院校经管、金融、大数据、数据科学等专业的配套教材，也可作为从事金融、证券、量化投资等行业从业人员学习数据分析的参考用书
1.教学需求高，市场前景广阔。
2.经管名师，联袂编写。
3.全书结构优化，差异性与创新性并存。
4.实践应用导向，满足最新的教学需要。
5.配套资源充足，竞品市场首屈一指。
李瑾坤，博士。现为西南财经大学管理科学与工程学院教授，主要讲授计算机科学和信息管理技术方向课程。为本科、研究生开设有计算机程序设计，数据仓库、数据挖掘、高级商务数据分析等课程。 童牧 西南财经大学中国金融研究院教授，博士生导师，主持国家自然科学基金课题2项，作为主要研究人员参与国家级课题和教育部课题多项；作为第一作者或合作作者在国内外期刊发表学术论文20多篇；出版专著和译著7部。
目录
计算金融理论篇
第 一章 证券市场基础 11
1.1 证券与证券市场 12
1.1.1 证券及其分类 12
1.1.2 证券市场及其分类 13
1.1.3 证券市场指数 14
1.2 证券市场的参与者 16
1.2.1 证券市场的主体 16
1.2.2 证券市场的其他参与者 17
本章小结 18
素养课堂：证券从业人员的职业道德规范 18
思考与练习 18
第二章 投资组合理论及其发展 20
2.1 投资组合理论 20
2.1.1 投资组合理论的基本假设 20
2.1.2 投资组合的收益与风险 21
2.1.3 最优投资组合的构建 22
2.2 资本资产定价模型 28
2.2.1 资本资产定价模型及其基本假设 28
2.2.2 资本资产定价模型的基本内容 29
本章小结 31
素养课堂：金融基础设施 31
思考与练习 32
第三章 有效市场假说与行为金融理论 33
3.1 有效市场假说 33
3.1.1 有效市场假说的内容 33
3.1.2 有效市场假说的检验 35
3.2 行为金融理论 36
3.2.1 行为金融理论对有效市场假说的质疑 36
3.2.2 行为金融理论的主要内容 38
本章小结 40
素养课堂：中国的多层次资本市场体系 40
思考与练习 40
第四章 股票市场 42
4.1 股票 42
4.1.1 普通股 42
4.1.2 优先股 43
4.2 普通股的估值 43
4.2.1 股利不变模型 43
4.2.2 股利增长模型 44
本章小结 45
素养课堂：系统性金融风险 45
思考与练习 45
第五章 金融衍生工具与风险管理 47
5.1 金融衍生工具 47
5.1.1 金融衍生工具的类型 47
5.1.2 金融衍生工具市场及其发展 48
5.2 期货 50
5.2.1 期货与期货交易 50
5.2.2 期货合约的定价 51
5.3 期权 53
5.3.1 期权与期权交易 53
5.3.2 期权合约的定价 55
5.4 金融风险与金融风险管理 61
5.4.1 金融风险 61
5.4.2 金融风险管理 63
5.5 市场风险测度的VaR方法 63
5.5.1 VaR方法 63
5.5.2 VaR的计算原理 64
5.5.3 VaR的主要计算方法 64
本章小结 65
素养课堂：宏观审慎政策 65
思考与练习 66
计算金融编程篇
第六章Python编程基础 67
【学习目标】 67
【案例导引】 67
6.1 Python介绍 67
6.2 Python数据类型 67
6.2.1 常量、变量和标识符 67
6.2.2 数值类型和数学运算符 68
6.2.3 字符类型和字符运算符 69
6.2.4 表达式和“=”运算 72
6.2.5 格式控制和注释 72
6.2.6 输入和输入语句 73
6.3 Python控制语句 75
6.3.1比较运算 76
6.3.2 逻辑运算符 76
6.3.3 顺序结构 77
6.3.4 分支结构 77
6.3.5 循环结构 79
6.4 Python函数与方法 81
6.4.1 函数的参数 82
6.4.2 变量的作用域 84
6.5 Python组合数据类型 85
6.5.1 列表 85
6.5.2 元组 87
6.5.3 字典 88
6.5.4 集合 89
6.5.5 字符串 90
6.6本章小结 92
6.7思考与练习 93
【素养课堂：我国计算机发展历程】 94
第七章 数据分析Numpy类库 95
【学习目标】 95
【案例导引】 95
7.1 ndarray的创建 97
7.1.1 将python的可枚举对象转换成numpy数组 97
7.1.2 使用numpy函数 97
7.1.3使用linspace函数 98
7.1.4 使用ones，zeros，eye，empty等函数 98
7.1.5 numpy的random模块 98
7.2 数据成员操作 99
7.2.1 数组变形 99
7.2.2 数组切片 100
7.2.3 数组索引 100
7.3 通用函数 103
7.3.1 数组的算术运算 103
7.3.2数组的广播 104
7.3.3 数组通用函数 105
7.4 本章小结 108
7.5 思考与练习 108
【素养课堂：为什么学习学习数据科学和数据分析】 109
第八章 数据分析Pandas类库 111
【学习目标】 111
【案例导引】 111
8.1 数据 111
8.1.1 数据类型 111
8.1.2 数据结构 112
8.1.3 数据获取 114
8.2 预处理 116
8.2.1 数据检查 116
8.2.2 数据清洗 117
8.2.3数据过滤排序和分组 118
8.2.4 数据连接和合并 119
8.3 数据统计 120
8.3.1 数据对象成员方法 120
8.3.2 数据分组运算 120
8.4 时间索引 123
8.4.1 时间周期索引 123
8.5 pandas的数据可视化 125
8.5.1 数据对象成员方法 125
8.5.2 三方模块可视化方法 130
8.6本章小结 130
8.7思考与练习 131
【素养课堂：我国超级计算的发展历程】 132
第九章 数据分析Matplotlib.pyplot类库 133
【学习目标】 133
【案例导引】 133
9.1 单图区域 134
9.1.1 中文标签 135
9.1.2 坐标系格式 135
9.2 常用图形 139
9.2.1 折线图 139
9.2.2 条形图 140
9.2.3 直方图 142
9.2.4 散点图 144
9.2.5 饼图 145
9.2.6 盒型图 145
9.2.7 堆积图 146
9.3 多子图区域 147
9.3.1 划分多子区域 147
9.3.2 增加单子区域 148
9.3.3增加定制区域 149
9.4本章小结 150
9.5思考与练习 150
【素养课堂：我国人工智能发展历程】 151
第十章 数据分析sklearn机器学习库 152
【学习目标】 152
【案例导引】 152
10.1 模块数据集 152
10.2数据的预处理 153
10.2.1标准化 153
10.2.2将特征缩放至特定范围内 156
10.2.3缩放有离群值数据 158
10.2.4正则化 158
10.2.5类别特征编码 160
10.2.6离散化 163
10.2.7缺失值补全 163
10.2.8生成多项式特征 165
10.2.9特征选择 166
10.2.10矩阵分解 167
10.3 模型构建 168
10.3.1 线性回归 169
10.3.2 Ridge回归 171
10.3.3 Lasso回归 172
10.3.4多项式回归 173
10.3.5 logistic 回归 176
10.3.6 贝叶斯回归 177
10.3.7 决策树 178
10.3.8支持向量机 180
10.3.9 神经网络 181
10.4集成模型 183
10.4.1 Bagging 183
10.4.2 随机森林 184
10.4.3 AdaBoost 184
10.4.4 梯度提升 185
10.5模型选择 185
10.5.1数据划分 185
10.5.2交叉验证 186
10.5.3调整估计器的超参数 187
10.6 模型评估 188
10.6.1分类模型评估 188
10.6.2回归模型评估 199
10.7模型持久化 201
10.8本章小结 202
10.9思考与练习 203
【素养课堂：正视不足，砥砺前行，争取突破】 204
计算金融案例篇
第十一章 金融数据分析案例 205
11.1 案例数据 205
11.1.1 下载数据 205
11.1.2 访问tushare数据 207
11.1.3 股票收益率与波动率估算 209
11.2 期权定价 211
11.2.1 布莱克-斯科尔斯模型 211
11.2.2 二项式期权定价模型 213
11.2.3 蒙特卡洛期权定价模型 216
11.3 投资组合优化 217
11.3.1 投资组合的构建 217
11.3.2 特定期望收益下的组合优化 223
11.3.3 特定期望风险下的组合优化 226
11.3.4 特定效用函数下的组合优化 228
11.4市场风险价值（VaR） 230
11.4.1参数法VaR 231
11.4.2历史方法估算VaR 243
11.4.3蒙特卡洛法估算VaR 245
11.5 基于机器学习的股票价格预测 249
11.5.1 K线图 249
11.5.2 数据平稳性检验 251
11.5.3 numpy构建股价涨跌预测模型 252
11.5.3 logist预测股价涨跌 256
11.5.4 ARIMA预测股价 257
11.6本章小结 269
11.7思考与练习 270
【素养课堂：《生成式人工智能服务管理办法（征求意见稿）》】 270
参考文献 271
书单推荐
